使用 Tensorflow C++ API 执行在 skflow 中训练的模型

Executing a model trained in skflow using the Tensorflow C++ API

本文关键字：模型 skflow Tensorflow C++ API 执行 使用      更新时间：2023-10-16

是否可以使用没有标记输入(或输出(节点的Tensorflow C++ API执行图形？据我所知，在训练我的模型时(使用 python 中的 skflow，后来我将其保存为二进制 protobuf(，我没有标记输入/输出节点，但我能够在 Python 中毫无困难地恢复模型并进行预测。使用 C++ API 执行图形时，输入向量是字符串和张量对，其中我假设字符串是指输入节点的标签。从文档中：

Session::Run(const std::vector< std::pair< string, Tensor > > &inputs,
const std::vector< string > &output_tensor_names,
const std::vector< string > &target_node_names,
std::vector< Tensor > *outputs)=0

使用提供的输入张量运行图形并填充输出 output_tensor_names中指定的终结点。运行到但不运行 返回 target_node_names 中节点的张量。

有什么方法可以在不知道输入/输出节点标签的情况下执行图形？也许有一种方法可以在 Python 中加载图形，给节点标签，然后再次将其保存为 protobuf？理想情况下，我只想传入一个应用于输入节点的向量，而不必担心任何标签。

在 skflow 中，所有节点都已经有标签，它只是负责为您恢复它们。

默认名称分别为X和y的input:0和output:0，然后是预测和损失的一些自定义名称，具体取决于您使用的模型。

找出预测和概率节点名称的方法是查看保存模型的目录中endpoints文件(如果使用estimator.save(path)保存(。

它应该看起来像这样：

输入：0

输出：0

logistic_regression/softmax_classifier/软最大

logistic_regression/softmax_classifier/Xent：0

其中前两个是输入/输出节点的名称，后两个是预测和损失节点。

如果你可以"在 Python 中毫无困难地恢复模型并进行预测"，那么你可以使用它们的 "name" 属性找出输入节点或张量的名称/标签，在以下任一中搜索 ".name"：

https://www.tensorflow.org/versions/0.6.0/api_docs/python/framework.html#Operation艺术 https://www.tensorflow.org/versions/0.6.0/api_docs/python/framework.html#Tensor

所有节点都有名称/标签，无论您是否显式命名它们。

相关文章：